⚡⚡⚡ 欢迎预览，批评指正⚡⚡⚡
文章目录
-
- 一、环境安装
-
- [1.1 为什么选择 Miniconda？](#1.1 为什么选择 Miniconda？)
- [1.2 版本选择建议](#1.2 版本选择建议)
- [1.3 安装注意事项](#1.3 安装注意事项)
- 1.4，前置环境安装一miniconda
- 1.5，conda环境创建
- 二、配置国内镜像源
-
- [2.1 为什么配置镜像源？](#2.1 为什么配置镜像源？)
- [2.2 配置清华镜像源](#2.2 配置清华镜像源)
- [三、PyTorch 安装](#三、PyTorch 安装)
-
- [3.1 版本选择](#3.1 版本选择)
- [3.2 CUDA 版本选择（关键！）](#3.2 CUDA 版本选择（关键！）)
- [3.3 安装命令](#3.3 安装命令)
- [3.4 关于 CUDA 和 cuDNN 的说明](#3.4 关于 CUDA 和 cuDNN 的说明)
- 四、Ultralytics（YOLOv8）安装
-
- [4.1 两种安装方式](#4.1 两种安装方式)
-
- [方式一：pip 安装（简单但不推荐）](#方式一：pip 安装（简单但不推荐）)
- 方式二：源码安装（推荐）
- [4.2 验证安装](#4.2 验证安装)
- [五、VSCode 中终端的正确使用](#五、VSCode 中终端的正确使用)
-
- [5.1 问题：PowerShell 无法激活 conda 环境](#5.1 问题：PowerShell 无法激活 conda 环境)
- [5.2 解决方案：使用 CMD 终端](#5.2 解决方案：使用 CMD 终端)
- [5.3 其他编辑器中的终端](#5.3 其他编辑器中的终端)
- 六、本集核心要点回顾
一、环境安装
1.1 为什么选择 Miniconda？
- 更轻量：相比 Anaconda，Miniconda 只包含 conda 和 Python，不会预装大量不需要的包
- 速度更快：精简的安装包，安装速度快
- 功能无差异：核心功能与 Anaconda 完全一致
1.2 版本选择建议
- Python 版本 ：推荐 Python 3.8（不要太新，避免包兼容性问题）
- Miniconda 版本 ：推荐 Miniconda3 Windows x86_64 23.1.0-1（或相近版本）
1.3 安装注意事项
- 安装路径：如果 C 盘有空间，建议安装在 C 盘（避免后续麻烦）
- 路径中不要有中文：这是一个常见问题
- PATH 选项 ：安装过程中不要勾选"Add to PATH"（避免环境冲突）
- 安装位置：选择"Just Me"（为当前用户安装）
1.4，前置环境安装一miniconda
miniconda安装
下载地址: https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
- 如果C盘有空间，最好安装在C盘，且安装目录中不要有中文
- 勾选将其添加到PATH
1.5，conda环境创建
命令:
bash
conda create -n yolov8 python=3.8明确指定版本，否则可能会因版本过高导致有包装不上
使用conda命令查看所有环境：
bash
conda env list
激活环境：
bash
conda activate yolov8
二、配置国内镜像源
2.1 为什么配置镜像源？
使用 pip 安装包时，默认从国外地址下载，速度非常慢。配置国内镜像源可以大幅提升下载速度。
2.2 配置清华镜像源
pypi配置国内源
清华源: https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
bash
python -m pip install --upgrade pip
pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple三、PyTorch 安装
3.1 版本选择
- 不推荐最新版：PyTorch 2.2.0 等最新版可能不够稳定
- 推荐版本 ：PyTorch 1.13.1（相对稳定）
3.2 CUDA 版本选择（关键！）
查看显卡驱动支持的 CUDA 版本：
- 右键打开"控制面板" → NVIDIA 控制面板
- 点击"系统信息" → "组件"
- 查看当前系统支持的 CUDA 版本
两种显卡类型的注意事项：
| 显卡类型 | CUDA 版本要求 | 注意事项 |
|---|---|---|
| 6 系显卡（如 GTX 6 系列） | 安装 CUDA 11.6 版本 | 即使电脑支持 CUDA 11/12，也建议安装 CUDA 11.6，否则训练过程中可能出现无法训练的问题 |
| 30 系/40 系显卡（较新显卡） | 必须安装 CUDA 11 以上版本 | 否则无法运行 |
3.3 安装命令
bash
# PyTorch 1.13.1 + CUDA 11.6（以 6 系显卡为例）
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1+cu116 -f https://download.pytorch.org/whl/torch_stable.html3.4 关于 CUDA 和 cuDNN 的说明
- 不需要单独安装 CUDA 和 cuDNN：PyTorch 安装包中已经包含了 CUDA 部分
- 什么情况下需要单独安装？ 当你有部署需求时（如将模型导出为 TensorRT 格式进行推理），才需要单独安装 CUDA
使用命令查看：
bash
nvidia-smi
bash
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia四、Ultralytics（YOLOv8）安装
4.1 两种安装方式
方式一：pip 安装（简单但不推荐）
bash
pip install ultralytics问题：无法方便地修改源码。如果需要对代码进行修改，这种方式不太合适。
方式二：源码安装（推荐）
bash
# 1. 克隆源码
git clone https://github.com/ultralytics/ultralytics.git
# 2. 进入目录
cd ultralytics
# 3. 源码安装
pip install -e .优点：
- 所有在当前项目上的修改都会反映到实际使用的代码中
- 方便调试和自定义
4.2 验证安装
bash
# 进入项目目录
cd ultralytics
# 使用示例图片进行检测
yolo predict model=yolov8s.pt source=ultralytics/assets/bus.jpg预期输出：
- 自动下载模型
- 检测到图片中的物体（如 4 个人、1 辆车、1 个交通信号等）
- 显示检测时间和结果
五、VSCode 中终端的正确使用
5.1 问题：PowerShell 无法激活 conda 环境
在 VSCode 中，默认终端可能是 PowerShell，而 PowerShell 无法正确激活 conda 环境。
验证方法：
bash
# 在 PowerShell 中输入
conda activate yolov8
pip list如果环境没有正确激活，pip list 中不会显示 ultralytics。
5.2 解决方案：使用 CMD 终端
-
在 VSCode 中切换默认终端：
- 打开设置 → 找到"默认配置文件"
- 选择 Command Prompt (CMD)
-
或者在终端中手动切换：
- 点击终端右上角的下拉箭头
- 选择 Command Prompt
-
验证环境激活：
bashconda activate yolov8 # 提示符会变为 (yolov8) 开头
使用pip list 查看已安装的依赖环境：
bash
pip list
5.3 其他编辑器中的终端
- PyCharm：同样需要使用 CMD 终端
- 其他编辑器：注意检查默认终端类型
六、本集核心要点回顾
- Miniconda：轻量级 conda，推荐 Python 3.8
- 独立环境：每个项目创建独立 conda 环境，避免依赖冲突
- 镜像源：配置清华镜像源，加速下载
- PyTorch：推荐 1.13.1，注意显卡类型对应的 CUDA 版本
- Ultralytics：推荐源码安装，方便修改代码
- 终端选择：VSCode 中使用 CMD 终端，而非 PowerShell
感谢阅读，下期更精彩 👋👋👋
